BM模式匹配算法-实现（C语言）

原文地址：http://ouyangjia7.javaeye.com/blog/353137

#include "messageFormat.h"
#include <iostream>

using namespace std;

/*int processFile();
{

}*/

/*
函数：int* MakeSkip(char *, int)
目的：根据坏字符规则做预处理，建立一张坏字符表
参数：
ptrn => 模式串P
PLen => 模式串P长度
返回：
int* - 坏字符表
*/
int* MakeSkip(char *ptrn, int pLen)
{
int i;
//为建立坏字符表，申请256个int的空间
/*PS:之所以要申请256个，是因为一个字符是8位，
所以字符可能有2的8次方即256种不同情况*/
int *skip = (int*)malloc(256*sizeof(int));

if(skip == NULL)
{
fprintf(stderr, "malloc failed!");
return 0;
}

//初始化坏字符表，256个单元全部初始化为pLen
for(i = 0; i < 256; i++)
{
*(skip+i) = pLen;
}

//给表中需要赋值的单元赋值，不在模式串中出现的字符就不用再赋值了
while(pLen != 0)
{
*(skip+(unsigned char)*ptrn++) = pLen--;
}

return skip;
}

/*
函数：int* MakeShift(char *, int)
目的：根据好后缀规则做预处理，建立一张好后缀表
参数：
ptrn => 模式串P
PLen => 模式串P长度
返回：
int* - 好后缀表
*/
int* MakeShift(char* ptrn,int pLen)
{
//为好后缀表申请pLen个int的空间
int *shift = (int*)malloc(pLen*sizeof(int));
int *sptr = shift + pLen - 1;//方便给好后缀表进行赋值的指标
char *pptr = ptrn + pLen - 1;//记录好后缀表边界位置的指标
char c;

if(shift == NULL)
{
fprintf(stderr,"malloc failed!");
return 0;
}

c = *(ptrn + pLen - 1);//保存模式串中最后一个字符，因为要反复用到它

*sptr = 1;//以最后一个字符为边界时，确定移动1的距离

pptr--;//边界移动到倒数第二个字符（这句是我自己加上去的，因为我总觉得不加上去会有BUG，大家试试“abcdd”的情况，即末尾两位重复的情况）

while(sptr-- != shift)//该最外层循环完成给好后缀表中每一个单元进行赋值的工作
{
char *p1 = ptrn + pLen - 2, *p2,*p3;

//该do...while循环完成以当前pptr所指的字符为边界时，要移动的距离
do{
while(p1 >= ptrn && *p1-- != c);//该空循环，寻找与最后一个字符c匹配的字符所指向的位置

p2 = ptrn + pLen - 2;
p3 = p1;

while(p3 >= ptrn && *p3-- == *p2-- && p2 >= pptr);//该空循环，判断在边界内字符匹配到了什么位置

}while(p3 >= ptrn && p2 >= pptr);

*sptr = shift + pLen - sptr + p2 - p3;//保存好后缀表中，以pptr所在字符为边界时，要移动的位置
/*
PS:在这里我要声明一句，*sptr = （shift + pLen - sptr） + p2 - p3;
大家看被我用括号括起来的部分，如果只需要计算字符串移动的距离，那么括号中的那部分是不需要的。
因为在字符串自左向右做匹配的时候，指标是一直向左移的，这里*sptr保存的内容，实际是指标要移动
距离，而不是字符串移动的距离。我想SNORT是出于性能上的考虑，才这么做的。
*/

pptr--;//边界继续向前移动
}

return shift;
}

/*
函数：int* BMSearch(char *, int , char *, int, int *, int *)
目的：判断文本串T中是否包含模式串P
参数：
buf => 文本串T
blen => 文本串T长度
ptrn => 模式串P
PLen => 模式串P长度
skip => 坏字符表
shift => 好后缀表
返回：
int - 1表示成功（文本串包含模式串），0表示失败（文本串不包含模式串）。
*/
bool BMSearch(char *ptrn,char *buf)
{
int plen = strlen(ptrn);
int b_idx = plen;
int blen = strlen(buf);

if (plen == 0)
return false;

int *skip = MakeSkip(ptrn,plen);
int *shift = MakeShift(ptrn,plen);

while (b_idx <= blen)//计算字符串是否匹配到了尽头
{
int p_idx = plen, skip_stride, shift_stride;
while (buf[--b_idx] == ptrn[--p_idx])//开始匹配
{
if (b_idx < 0)
return false;
if (p_idx == 0)
{
return true;
}
}
skip_stride = skip[(unsigned char)buf[b_idx]];//根据坏字符规则计算跳跃的距离
shift_stride = shift[p_idx];//根据好后缀规则计算跳跃的距离
b_idx += (skip_stride > shift_stride) ? skip_stride : shift_stride;//取大者
}
return false;
}
int main()
{
char *ptr = "465789";
char *buf = "789456465789";

if ( BMSearch(ptr,buf) )
{
cout<<"find OK"<<endl;
}

}